transcribing-meeting-minutes

name	transcribing-meeting-minutes
description	会議・商談・インタビューの録音をMLX Whisperでローカル文字起こしし、決定事項・議論要旨・未決事項・アクションアイテムを時刻根拠付きの議事録へ整理する。「MTGの録音から議事録を作って」「m4aを文字起こしして要約」「会議音声を書き起こして」など、m4a・mp3・wav・mp4・mov・aac・flac・ogg・webmの音声または動画から議事録を作る依頼で使用する。音声の全文書き起こしだけが目的の場合にも使用する。

会議録音から議事録を作成

音声を外部の文字起こしAPIへ送信せず、Apple Silicon Mac上で処理する。文字起こし全文を時系列で確認し、確定事項と提案を混同しない議事録を作成する。

前提

• macOS Apple Siliconで実行する。
• ffprobe、uvx、jqを使用する。コマンドが無い場合は報告して停止する。
• 初回実行時はモデルとPython依存パッケージのダウンロードが発生する。
• 音声や文字起こしに含まれる秘密情報を、外部サービス、ログ、リポジトリへ送信・保存しない。

ワークフロー

1. 入力と出力を決める

• 入力パスが無い場合だけユーザーへ確認する。
• 出力指定が無ければ、入力と同じディレクトリへ <元ファイル名>_議事録.md を作成する。
• ユーザーが全文書き起こしも求めた場合は <元ファイル名>_文字起こし.txt も作成する。
• 依頼が全文書き起こしのみで議事録が不要な場合は <元ファイル名>_文字起こし.txt だけを成果物とし、4〜6を省略して7へ進む。
• 元音声を上書き・移動・削除しない。

2. 音声を検査する

入力の存在、音声ストリーム、長さ、チャンネル数を確認する。

ffprobe -v error \
  -show_entries format=duration:stream=codec_name,sample_rate,channels \
  -of json "<recording>"

ファイル名から日時を推定する場合は、議事録に推定であることを明記する。参加者は会話内で出席が確認できる人物だけを記載し、単に名前が言及された人物を参加者へ加えない。

3. ローカルで文字起こしする

一時ディレクトリを作り、scripts/transcribe.shを実行する。言語の指定が無ければ日本語を既定値とし、複数言語または不明な場合だけautoを指定する。

work_dir="$(mktemp -d "${TMPDIR:-/tmp}/meeting-minutes.XXXXXX")"
scripts/transcribe.sh "<recording>" "${work_dir}" ja

録音時間に比例して数分〜数十分かかるため、同期実行せずrun_in_background: trueで起動する。完了まで定期的に出力を確認し、進捗をユーザーへ伝える。transcript.json、transcript.txt、transcript.vttが生成される。既存出力を上書きしない。

4. 全編を時系列で確認する

transcript.jsonを5分単位で読み、冒頭・途中・末尾を省略せず全区間を確認する。5分は長時間録音を読み落とさず扱うためのレビュー単位であり、議題の区切りには使用しない。

jq -r '
  .segments
  | group_by((.start / 300) | floor)[]
  | (.[0].start / 300 | floor) as $bucket
  | "\n===== \($bucket * 5)〜\($bucket * 5 + 5)分 =====\n"
    + (map(.text) | join(""))
' "${work_dir}/transcript.json"

次を抽出する。

• 会議の目的と背景
• 決定事項
• 議論の要旨と判断理由
• 未決事項・リスク
• アクションアイテムの担当、内容、期限
• 重要事項の開始時刻
• 聞き取りに確信が持てない固有名詞、数値、日付

認識確度が低い区間は、平均対数確率が低い順に確認する。数値は誤認識区間を探すための手掛かりであり、誤りの断定には使わない。

jq -r '
  [.segments[]]
  | sort_by(.avg_logprob)
  | .[:20][]
  | "\(.start)\t\(.avg_logprob)\t\(.text)"
' "${work_dir}/transcript.json"

5. 不確実な箇所を再確認する

氏名、金額、日付、期限、製品名、決定を左右する表現が不明瞭な場合は、該当区間だけ語単位タイムスタンプ付きで再文字起こしする。モデルは3で使用したもの (MLX_WHISPER_MODEL、既定値mlx-community/whisper-large-v3-turbo) を、言語は3で指定した言語コードをそのまま使う。

uvx --from mlx-whisper mlx_whisper "<recording>" \
  --model "${MLX_WHISPER_MODEL:-mlx-community/whisper-large-v3-turbo}" \
  --language "<3で指定した言語>" \
  --clip-timestamps "<start-seconds>,<end-seconds>" \
  --word-timestamps True \
  --output-dir "${work_dir}/recheck" \
  --output-name transcript \
  --output-format all \
  --verbose False

再確認しても確定できない場合は要確認と記載する。文脈から推測した値を確定事項、参加者、担当、期限として書かない。

6. 議事録を作成する

録音内容に合わせ、不要な空セクションは省きつつ次の順序を基本とする。

# <会議名>

- 種別: 議事録
- 日時: <日時または要確認>
- 所要時間: <分>
- 参加者: <確認できた参加者または要確認>
- 元録音: `<ファイル名>`

## 会議の目的
## 決定事項
## 主な議論
## 未決事項
## アクションアイテム
| 担当 | 対応内容 | 期限 | 音声位置 |
|---|---|---|---|
## 参考タイムライン

次の基準を守る。

• 決定された内容だけを「決定事項」へ記載する。「検討する」「案として」は未決事項へ分ける。
• 発言の逐語的な羅列ではなく、結論と根拠が追える粒度で具体的に要約する。
• アクションアイテムは担当、期限が録音で明示されていない場合に未定とする。
• 重要な決定とアクションアイテムへ、元音声へ戻れる開始時刻を付ける。
• 機密情報を議事録へ含める必要がない場合は省く。

7. 検証して報告する

以下をすべて満たすまで修正する（全文書き起こしのみの場合は議事録に関する項目を除く）。

• 文字起こしの最終区間が録音の末尾付近まで到達している。
• 議事録を作成した場合、冒頭・中央・末尾から最低1区間ずつ、議事録との対応を確認している。
• 議事録を作成した場合、すべての決定事項が文字起こし内の根拠へ戻れる。
• 議事録を作成した場合、提案を決定事項として記載していない。
• 議事録を作成した場合、氏名、数値、日付、担当、期限を推測で補っていない。
• 出力ファイルが存在し、空でなく、議事録の場合は表が崩れていない。
• 元音声と依頼範囲外のファイルへ変更を加えていない。

最後に、成果物のパス、不確実な箇所、一時文字起こしの保存場所を簡潔に報告する。

使用例

/transcribing-meeting-minutes /Users/me/Downloads/weekly.m4a

この英語の商談録音から、決定事項と担当者別TODOを含む日本語議事録を作って:
/Users/me/Downloads/customer-call.mp3